
Python×pdfplumberで請求書PDF転記を自動化──月200件・40時間の手入力が2時間になった全手順
毎月200件のPDF、目を皿にして転記していた頃の話
「請求書のPDF、またフォーマット変わってる……」
経理担当のSさんから、月末になると決まってこのセリフが聞こえてきた。私がSIer時代に常駐していた中堅メーカーでの話だ。
取引先から届く請求書PDFは毎月約200件。Sさんはそれを1件ずつ開いて、金額・日付・取引先名をExcelの管理表に手入力していた。1件あたり平均3分。単純計算で月10時間。ただ、実際にはフォーマット違いの確認や入力ミスの修正で、トータル40時間近くかかっていた。
正直、見ていてつらかった。
で、あるとき私が「Pythonで自動化できますよ」と提案したら、Sさんの目が変わった。「え、PDFの中身って機械で読めるの?」と。
読める。しかも、pdfplumberというライブラリを使えば、座標レベルで文字を拾える。OCRすら不要なケースが多い。
この記事では、私が実際にそのメーカーで構築した「請求書PDF自動抽出システム」の全手順を公開する。コピペで動くコード付きだ。
この記事で得られる成果
請求書PDFから金額・日付・取引先名を自動でExcelに転記できるようになる
- 月200件の転記作業が40時間→2時間(95%削減)になる
- 属人化していた経理業務を誰でも回せる仕組みに変えられる
- フォーマットが違うPDFへの対応パターン5種類を習得できる
- 抽出エラーの原因と対処法をチェックリスト形式で手元に残せる
なぜ「PDFの転記」は自動化が後回しにされるのか
PDFの転記作業って、地味に厄介なポジションにいる。
RPAで画面操作を自動化する? PDFビューアの挙動が安定しなくてコケる。OCRサービスを導入する? 月額費用がかかるし、精度も100%じゃない。「もうExcel手入力でいいや」ってなる気持ち、わかる。
ところが、pdfplumberは違うアプローチを取る。PDFファイルの内部構造を直接解析して、テキストデータを座標付きで取り出す。画像として読むんじゃなくて、データとして読む。だから精度が高い。
私も最初は半信半疑だった。でも実際に試してみたら、取引先50社のうち47社のPDFが一発で読めた。残り3社も、ちょっとした調整で対応できた。
ここから先は、環境構築からコード実装、トラブル対応まで、全部見せる。